Elija filtros de fusión de sensores inerciales
La toolbox proporciona múltiples filtros para estimar la pose y la velocidad de las plataformas mediante el uso de sensores inerciales integrados (incluidos acelerómetro, giroscopio y altímetro), magnetómetro, GPS y mediciones de odometría visual. Cada filtro puede procesar ciertos tipos de mediciones de ciertos sensores. Cada filtro también hace suposiciones y puede tener limitaciones que debes considerar cuidadosamente antes de aplicarlo. Por ejemplo, muchos filtros no suponen ninguna aceleración lineal o angular sostenida aparte de la aceleración gravitacional de 9,81 m/s2. Por lo tanto, debes evitar usarlos durante aceleraciones fuertes y constantes, pero estos filtros pueden funcionar razonablemente bien durante ráfagas cortas de aceleración lineal. Además, algunos filtros permiten una aceleración lineal y una velocidad angular constantes por partes, ya que permiten entradas de aceleración y velocidad angular durante el paso de predicción.
Los algoritmos internos de estos filtros también varían mucho. Por ejemplo, el objeto ecompass utiliza el método TRIAD para determinar la orientación de la plataforma con un coste computacional muy bajo. Muchos filtros (como ahrsfilter y imufilter) adoptan el filtro Kalman de estado de error, en el que se estima la desviación del estado con respecto al estado de referencia. Mientras tanto, otros filtros (como insfilterMARG y insfilterAsync) utilizan el enfoque del filtro Kalman extendido, en el que el estado se estima directamente.
Para lograr una alta precisión de estimación, es importante ajustar adecuadamente las propiedades y parámetros del filtro. La toolbox ofrece la función incorporada tune para ajustar los parámetros y el ruido del sensor para la mayoría de los filtros de sensores inerciales (marcados como ajustables en la tabla a continuación).
La tabla enumera las entradas, salidas, suposiciones y algoritmos para todos los filtros de fusión de sensores inerciales configurados.
Sugerencia
Además de los filtros enumerados en esta tabla, puede utilizar el objeto insEKF para crear un marco de fusión de sensores inerciales flexible, en el que puede utilizar modelos de movimiento y modelos de sensores integrados o personalizados. Para más información, consulte Fusionar datos de sensores inerciales mediante un marco de fusión flexible basado en insEKF.
| Objeto | Sensores y entradas | Estados y salidas | Supuestos o limitaciones | Algoritmo utilizado | Ajustable |
|---|---|---|---|---|---|
ecompass |
| Orientación | El filtro no asume ninguna aceleración lineal y angular sostenida distinta de la aceleración gravitacional. | método TRÍADA | No |
ahrsfilter |
| Orientación y velocidad angular. | El filtro no asume ninguna aceleración lineal y angular sostenida distinta de la aceleración gravitacional. | Filtro de Kalman de estado de error | Sí |
ahrs10filter |
| Orientación, altitud, velocidad vertical, polarización del ángulo delta, polarización de la velocidad delta, vector de campo geomagnético, polarización del magnetómetro | El filtro supone una aceleración lineal constante por tramos en la dirección vertical, y ninguna aceleración lineal y angular sostenida distinta de la aceleración gravitacional en otras direcciones. | Filtro Kalman extendido discreto | Sí |
imufilter |
| Orientación y velocidad angular. | El filtro no asume ninguna aceleración lineal y angular sostenida distinta de la aceleración gravitacional. | Filtro de Kalman de estado de error | Sí |
complementaryFilter |
| Orientación y velocidad angular. | El filtro no asume ninguna aceleración lineal y angular sostenida distinta de la aceleración gravitacional. | Enfoque basado en filtros no Kalman:
| No |
insfilterMARG |
| Orientación, posición, velocidad, polarización del ángulo delta, polarización de la velocidad delta, vector de campo geomagnético, polarización del magnetómetro | El paso de predicción toma las entradas del acelerómetro y giroscopio. Por tanto, el filtro supone:
| Filtro Kalman extendido discreto | Sí |
insfilterAsync |
| Orientación, velocidad angular, posición, velocidad, aceleración, polarización del acelerómetro, polarización del giroscopio, vector de campo geomagnético, polarización del magnetómetro | El filtro supone:
El filtro no requiere que los sensores sean sincrónicos y cada sensor puede tener caída de muestra. | Filtro Kalman extendido discreto continuo | Sí |
insfilterNonholonomic |
| Orientación, posición, velocidad, polarización del giroscopio, polarización del acelerómetro | El paso de predicción toma las entradas del acelerómetro y giroscopio. Por tanto, el filtro supone:
Además, el filtro supone que la plataforma avanza sin deslizamiento lateral. | Filtro Kalman extendido discreto | Sí |
insfilterErrorState |
| Orientación, posición, velocidad, polarización del giroscopio, polarización del acelerómetro y escala de odometría visual. | El paso de predicción toma las entradas del acelerómetro y giroscopio. Por tanto, el filtro supone:
| Filtro de Kalman de estado de error | Sí |
